LoRA共享权重训练法将1350个Agent会话评测成本降至约5美元

yb2698分享了Agent RL训练中的省算力方法，让每个模型使用一个vLLM、每个harness使用一个trainer，并在共享权重上挂载LoRA adapter。评测阶段由一个vLLM同时服务9个checkpoint的adapter，完成1350个Agent会话用时不到1小时、费用约5美元；合并为完整权重则约需90美元。